「编程Agent评测」共找到 4031 篇相关文章
清华刘洋团队论文：揭示为何 70B 的医疗模型，反而不如 8B 会问诊丨ILCR 2026
在医疗AI领域，模型静态评测与临床问诊能力存在断层。清华刘洋团队提出DOCTOR - R1，将临床问诊建模为POMDP，用强化学习训练。实验验证了其有效性，对医疗AI发展有深远启示。
SDD 如何在复杂业务系统中真正落地？
文章围绕SDD在复杂业务系统落地展开，介绍OpenSpec库使用，对比与系分差异，分析其优势与问题，如LLM与IDE执行能力鸿沟、无update命令等，还对比OpenSpec和GitHub Spec Kit，并给出流程及提示词。
关于Claude Skills，我给你写了份82页的白皮书
作者关注Claude Skills功能已久，使用后感受是它让Claude学会按需加载。还解析了Skills、MCP、Sub - agents区别，指出有人认为Skills比MCP更重要，最后介绍82页白皮书内容及获取方式。
让AI真正懂数据：猫超Matra项目中的AI知识库建设之路
文章聚焦猫超Matra项目的AI知识库建设。猫超数据体系庞大但有治理难题，促使Matra项目诞生，旨在实现智能取数。文中详述知识库设计、实践及效果，还提及未来在准确性、保鲜性和能力拓展上的规划。
智能体并非越多越好，45%准确率成关键拐点
Google研究《Towards a Science of Scaling Agent Systems》验证“智能体并非越多越好”。在GPT等上实验发现，单个智能体准确率超45%，增加数量会损性能，还揭示工具税、错误螺旋等问题，给出预测公式。
搅局者来了！智谱重磅开源AutoGLM，让“豆包手机”人人可造！官方：AI手机不该掌握在少数厂商手中
智谱团队将核心AI Agent模型AutoGLM完整开源，它有手机操作能力，支持上百主流APP。智谱认为AI手机是趋势，不应被少数厂商垄断，开源还能解决隐私问题，复用技术经验。
Human In the Loop竟然可以是个MCP?
文章基于阿里实践，阐述如何在大模型研发平台OpenLM及其他Agent平台，针对“Human In The Loop”场景做产品设计与研发。介绍用MCP实现人机回路的方案，还探讨人类回答及提示词倾向性等问题。
大模型开发实战从入门到入坑：动手写一个MCP Server去理解MCP背后的技术原理
文章聚焦MCP协议，介绍其是规范应用向大模型提供上下文的开放协议，能让模型调用接口更简单、实现开发解耦。还深度解析技术原理，手把手教从0到1实现MCP Server，助读者理解背后技术。
多模态思维链如何重塑 AI 与短视频的未来
传统多模态模型在动态视频理解与复杂推理场景面临挑战，快手开源的 Keye-VL 模型在多模态思维链技术实现突破。文章解析其核心技术，分享在快手短视频社区的落地应用，还探讨了未来“Think with Video”的技术方向。
小模型，大能量！200美金的GPT Pro竟然输给了它？
博主用11个场景深度测试昆仑万维的Skywork R1V4 - Lite，它能做到Gemini 2.5 Pro才能干的事，速度快、成本低。在定位、人物识别、生活实用、专业鉴定、学术研究等场景表现出色，核心突破在于主动图像操作与深度推理。